เปรียบเทียบวิธี

	การเรียนรู้แบบถ่ายโอน	วิชันทรานส์ฟอร์มเมอร์
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010 (formalized); 1990s (early roots)	2021
ผู้ริเริ่ม	Pan, S. J. & Yang, Q. (survey); Bengio, Y. (deep learning framing)	Dosovitskiy, A. et al.
ประเภท	Learning paradigm	Transformer architecture for images (self-attention over patches)
แหล่งต้นตำรับ	Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.	Dosovitskiy, A. et al. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR.
ชื่อเรียกอื่น	TL, domain adaptation, fine-tuning, pre-trained model adaptation	Görsel Transformer (ViT), görsel transformer, ViT, patch transformer for images
ที่เกี่ยวข้อง	3	5
สรุป	Transfer learning is a machine learning paradigm in which knowledge gained from training a model on a source task or domain is reused to improve learning on a different but related target task or domain. It is especially powerful when labeled data for the target task is scarce, and it underlies most modern deep learning applications in computer vision, natural language processing, and beyond.	The Vision Transformer (ViT), introduced by Dosovitskiy and colleagues in 2021, splits an image into fixed-size patches, treats those patches as a sequence, and applies the Transformer self-attention mechanism to image classification. Given enough training data, it surpasses convolutional neural networks (CNNs).